PHP实现多线程抓取网页

PHP 利用 Curl Functions 可以完成各种传送文件操作，比如模拟浏览器发送GET，POST请求等等，受限于php语言本身不支持多线程，所以开发爬虫程序效率并不高，这时候往往需 要借助Curl Multi Functions 它可以实现并发多线程的访问多个url地址。既然 Curl Multi Function如此强大，能否用 Curl Multi Functions 来写并发多线程下载文件呢，当然可以，下面给出我的代码：
代码1：将获得的代码直接写入某个文件

$urls = array(
 'http://www.sina.com.cn/',
 'http://www.sohu.com/',
 'http://www.163.com/'
); // 设置要抓取的页面URL
 
$save_to='/test.txt';   // 把抓取的代码写入该文件 

$st = fopen($save_to,"a");
$mh = curl_multi_init(); 

foreach ($urls as $i => $url) {
  $conn[$i] = curl_init($url);
  curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");
  curl_setopt($conn[$i], CURLOPT_HEADER ,0);
  curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);
  curl_setopt($conn[$i], CURLOPT_FILE,$st); // 设置将爬取的代码写入文件
  curl_multi_add_handle ($mh,$conn[$i]);
} // 初始化
 
do {
  curl_multi_exec($mh,$active);
} while ($active);  // 执行

 
foreach ($urls as $i => $url) {
  curl_multi_remove_handle($mh,$conn[$i]);
  curl_close($conn[$i]);
} // 结束清理
 
curl_multi_close($mh);
fclose($st);

 

代码2：将获得的代码先放入变量，再写入某个文件

$urls = array(
 'http://www.sina.com.cn/',
 'http://www.sohu.com/',
 'http://www.163.com/'
);

$save_to='/test.txt';   // 把抓取的代码写入该文件
$st = fopen($save_to,"a");

$mh = curl_multi_init();
foreach ($urls as $i => $url) {
  $conn[$i] = curl_init($url);
  curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");
  curl_setopt($conn[$i], CURLOPT_HEADER ,0);
  curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);
  curl_setopt($conn[$i],CURLOPT_RETURNTRANSFER,true);  // 设置不将爬取代码写到浏览器，而是转化为字符串
  curl_multi_add_handle ($mh,$conn[$i]);
}

do {
  curl_multi_exec($mh,$active);
} while ($active);

 
foreach ($urls as $i => $url) {
  $data = curl_multi_getcontent($conn[$i]); // 获得爬取的代码字符串
  fwrite($st,$data);  // 将字符串写入文件。当然，也可以不写入文件，比如存入数据库
} // 获得数据变量，并写入文件

foreach ($urls as $i => $url) {
  curl_multi_remove_handle($mh,$conn[$i]);
  curl_close($conn[$i]);
}

curl_multi_close($mh);
fclose($st);